1) nonlinear SVM
非线性支持向量机
1.
In the decision tree, several linear SVM were constructed which can achieve the highest detection rate on the negative samples combining the feature extraction method, the negative samples which can be correctly classified by the hyperplane were removed from the original samples, and trained one nonlinear SVM using the rest samples.
该方法首先构造在负样本上分类正确率最高的线性支持向量机,并与特征提取相结合得到新的支持向量机分类器,被该支持向量机正确分类的负样本将从训练样本集中删除,类似得到一系列的线性支持向量机,最后用余下的训练样本训练一个非线性支持向量机;分类时,决策树中的根节点作为第一个分类器,再根据分类的结果决定下一步的走向。
2) Linear SVM
线性支持向量机
1.
In the decision tree, several linear SVM were constructed which can achieve the highest detection rate on the negative samples combining the feature extraction method, the negative samples which can be correctly classified by the hyperplane were removed from the original samples, and trained one nonlinear SVM using the rest samples.
该方法首先构造在负样本上分类正确率最高的线性支持向量机,并与特征提取相结合得到新的支持向量机分类器,被该支持向量机正确分类的负样本将从训练样本集中删除,类似得到一系列的线性支持向量机,最后用余下的训练样本训练一个非线性支持向量机;分类时,决策树中的根节点作为第一个分类器,再根据分类的结果决定下一步的走向。
3) nonlinear least squares support vector machine
非线性最小二乘支持向量机
1.
This paper presented a nonlinear least squares support vector machine method to identify the prokaryotes gene.
应用非线性最小二乘支持向量机对原核生物进行基因识别,通过寻找序列开放阅读框(ORF),并与可靠基因位点文件进行比较产生训练样本集,然后提取样本GC含量和Z曲线特征,并利用T检验方法检验各特征值所包含的信息量,设计出了非线性最小二乘支持向量机分类器识别基因。
4) inear support vector machine
线性支持向量分类机
1.
Degenerate solution to linear support vector machine;
线性支持向量分类机的平凡解
5) linear support vector machine(LSVM)
线性支持向量机(LSVM)
1.
This paper proposes a wrapper feature selection algorithm MRMHC-ISVM aiming at modeling lightweight flow classi- fiers by using the modified random mutation hill climbing(MRMHC)approach as the search strategy to specify candidate subsets for evaluation and using the linear support vector machine(LSVM)algorithm as the wrapper approach to obtain the optimum feature subset.
该算法采用改进的随机变异爬山(MRMHC)搜索策略对特征子集空间进行随机搜索,然后利用提供的数据在无约束优化线性支持向量机(LSVM)上的分类错误率作为特征子集的评价标准来获取最优特征子集。
6) Online SVM
在线支持向量机
1.
A Fast Online SVM Algorithm for Multi-user Detection;
该文提出了一种快速的在线支持向量机多用户检测算法。
补充资料：半导体非线性光学材料
半导体非线性光学材料
semiconductor nonlinear optical materials
载流子传输非线性:载流子运动改变了内电场，从而导致材料折射率改变的二次非线性效应。④热致非线性:半导体材料热效应使半导体升温，导致禁带宽度变窄、吸收边红移和吸收系数变化而引起折射率变化的效应。此外，极性半导体材料大都具有很强的二次非线性极化率和较宽的红外透光波段，可以作为红外激光的倍频、电光和声光材料。 在量子阱或超晶格材料中，载流子的运动一维限制使之产生量子尺寸效应，使载流子能态分布量子化，并产生强烈的二维激子效应。该二维体系材料中激子束缚能可达体材料的4倍，因此在室温就能表现出与激子有关的光学非线性。此外，外加电场很容易引起量子能态的显著变化，从而产生如量子限制斯塔克效应等独特的光学非线性效应。特别是一些11一VI族半导体，如Znse/ZnS超晶格中激子束缚能非常高，与GaAs/AIGaAs等m一V族超晶格相比，其激子的光学非线性可以得到更广泛的应用。 半导体量子阱、超晶格器件具有耗能低、适用性强、集成度高和速度快等优点，以及系统性强和并行处理的特点。因此有希望制作成光电子技术中光电集成器件，如各种光调制器、光开关、相位调制器、光双稳器件及复合功能的激光器件和光探测器等。 种类半导体非线性光学材料主要有以下4种。 ①111一V族半导体块材料:GaAs、InP、Gasb等为窄禁带半导体，吸收边在近红外区。 ②n一巩族半导体量子阱超晶格材料:HgTe、CdTe等为窄禁带半导体，禁带宽度接近零;Znse、ZnS等为宽禁带半导体，吸收带边在蓝绿光波段。Znse/ZnS、ZnMnse/ZnS等为蓝绿光波段非线性光学材料。 ③111一V族半导体量子阱超晶格材料:有GaAs/AIGaAs、GalnAs/AllnAs、GalnAs/InP、GalnAs/GaAssb、GalnP/GaAs。根据两种材料能带排列情况，将超晶格分为I型(跨立型)、n型(破隙型)、llA型(错开型)3种。 现状和发展超晶格的概念是1969年日本科学家江崎玲放奈和华裔科学家朱兆祥提出的。其二维量子阱中基态自由激子的非线性吸收、非线性折射及有关的电场效应是目前非线性集成光学的重要元件。其制备工艺都采用先进的外延技术完成。如分子束外延(MBE)、金属有机化学气相沉积(MOCVD或MOVPE)、化学束外延(CBE)、金属有机分子束外延(MOMBD、气体源分子束外延(GSMBE)、原子层外延(ALE)等技术，能够满足高精度的组分和原子级厚度控制的要求，适合制作异质界面清晰的外延材料。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条